如何将dataframe按分组把多行指标值转换为各分组独立列

需求说明 #

需要对存储分组数据的长表做结构转换：

• 原始数据共两列：subject.number取值范围1-9，每个编号重复出现多次，重复次数对应该编号关联的sentiment.score的总数量
• 目标结构：每个subject.number单独作为一列，列内按原有顺序存储对应所有sentiment.score值，不同列长度不一致时，缺失位置填充NA

原始数据样例：

subject.number sentiment.score
1               1            -1.0
2               1            -0.5
3               1             0.0
4               1             0.5
5               1             1.0
6               1            -1.0
7               1            -0.5
8               1             0.0
9               1             0.5
10              1             1.0
11              2            -1.0
12              2            -0.5
13              2             0.0
14              2             0.5
15              2             1.0
16              2            -1.0
17              2            -0.5
18              2             0.0
19              2             0.5
20              3             1.0
21              3            -1.0
22              3            -0.5
23              3             0.0
24              3             0.5
25              3             1.0
26              3            -1.0
27              3            -0.5
28              4             0.0
29              4             0.5
30              4             1.0
31              4            -1.0
32              4            -0.5
33              4             0.0
34              4             0.5
35              5             1.0
36              5            -1.0
37              5            -0.5
38              5             0.0
39              5             0.5
40              5             1.0
41              6            -1.0
42              6            -0.5
43              6             0.0
44              6             0.5
45              6             1.0
46              7            -1.0
47              7            -0.5
48              7             0.0
49              7             0.5
50              8             1.0
51              8            -1.0
52              8            -0.5
53              9             0.0
54              9             0.5

目标输出样例：

X1   X2   X3   X4   X5   X6   X7   X8  X9
1  -1.0 -1.0  1.0  0.0  1.0 -1.0 -1.0  1.0 0.0
2  -0.5 -0.5 -1.0  0.5 -1.0 -0.5 -0.5 -1.0 0.5
3   0.0  0.0 -0.5  1.0 -0.5  0.0  0.0 -0.5  NA
4   0.5  0.5  0.0 -1.0  0.0  0.5  0.5   NA  NA
5   1.0  1.0  0.5 -0.5  0.5  1.0   NA   NA  NA
6  -1.0 -1.0  1.0  0.0  1.0   NA   NA   NA  NA
7  -0.5 -0.5 -1.0  0.5   NA   NA   NA   NA  NA
8   0.0  0.0 -0.5   NA   NA   NA   NA   NA  NA
9   0.5  0.5   NA   NA   NA   NA   NA   NA  NA
10  1.0   NA   NA   NA   NA   NA   NA   NA  NA

实现代码 #

不需要手写复杂循环，以下两种向量化实现方式运行效率更高，代码更易维护：

方法1：tidyverse 方案（代码最简洁） #

通过分组加行号做唯一标识，直接调用宽表转换函数即可，缺失值会自动填充为NA：

library(tidyverse)

# 假设原始数据框命名为df
result <- df %>%
  group_by(subject.number) %>%
  # 给每个分组内的得分按原有顺序生成行序号
  mutate(rn = row_number()) %>%
  # 转换为宽表，列名自动加X前缀
  pivot_wider(names_from = subject.number,
              values_from = sentiment.score,
              names_prefix = "X") %>%
  # 移除辅助用的行序号列
  select(-rn)

方法2：Base R 方案（无需加载第三方包） #

先按分组拆分数据，统一长度补NA后合并为数据框：

# 按subject.number拆分得分为列表
score_split <- split(df$sentiment.score, df$subject.number)
# 计算所有分组中的最大长度
max_length <- max(lengths(score_split))
# 每个分组向量补NA到统一长度，合并为数据框并设置列名
result <- as.data.frame(
  lapply(score_split, \(x) c(x, rep(NA, max_length - length(x)))),
  col.names = paste0("X", names(score_split))
)

参考：for循环实现方式 #

如果需要用for循环完成，逻辑和base R方案一致，参考代码如下：

sub_num <- sort(unique(df$subject.number))
max_length <- max(table(df$subject.number))
# 初始化全NA的空结果框
result <- as.data.frame(matrix(NA, nrow = max_length, ncol = length(sub_num)))
colnames(result) <- paste0("X", sub_num)
# 逐列填充对应分组的得分
for (i in seq_along(sub_num)) {
  current_val <- df$sentiment.score[df$subject.number == sub_num[i]]
  result[seq_along(current_val), i] <- current_val
}

以上三种方式输出结果完全一致，和目标样例匹配。

内容的提问来源于stack exchange，提问作者Eva Bonning